东北典型黑土区的耕地和基本农田的利用和保护——以巴彦县为例

本文针对东北典型黑土区的耕地和基本农田的利用和保护的有关问题,以黑龙江省巴彦县为例进行探讨。首先分析了巴彦县的土地利用结构、耕地数量与结构、基本农田数量与结构等资源现状,并应用ArcGIS软件对耕地和基本农田的空间分布状况进行了分析;其次分析了巴彦县耕地和基本农田利用中存在的主要问题;最后提出了巴彦县耕地和基本农田保护的措施。     

保护和利用好中国最大一片黑土地

东北黑土地是世界上三大黑土带之一,黑龙江省作为占黑土面积最大、全国耕地第一大省,在国家粮食安全战略中处于举足轻重的地位。当前黑龙江省黑土地面临着破坏和流失的困境,需要综合法律、行政、经济和技术等手段,系统保护和合理利用好这片珍贵的黑土地。     

黑土型退化草地时空格局遥感监测

准确及时地了解黑土型退化草地的时空分布特点,对祁连山地区草地退化修复治理具有重要意义。本文选取祁连县野牛沟乡西北部区域作为研究区,基于Landsat 8 OLI影像,结合地理国情监测成果,尝试利用分场景的决策树分类方法提取黑土型退化草地范围,并对比分析2014-2019年黑土型退化草地的时空变化特征。结果表明,多场景的决策树分类方法对黑土型退化草地监测具有很好的适用性;2014-2019年,研究区北部部分区域缓坡地和中部滩地黑土型退化问题有所好转,西部和西北部缓坡地黑土型退化问题有进一步恶化的趋势;好转草地主要以人工干预为主,恶化草地可能是受水热空洞效应、鼠害等多种因素的影响。     

黑土典型区土壤侵蚀危险度空间特征分析

土壤侵蚀危险度用以评估和预测土壤侵蚀和土地资源破坏的严重性.以黑龙江省拜泉县张口屯小流域为例,利用2005年的坡面侵蚀数据估算了研究区黑土层的抗蚀年限;利用GIS对侵蚀危险度与地理环境因子进行了空间叠加统计分析,探讨了研究区土壤侵蚀与土地利用、土壤类型、坡度之间的关系.研究表明,破皮黄砂底黑土抗蚀年限最短,厚层粘底黑土的平均抗蚀年限最长,且随着坡度的增加,抗蚀年限逐渐减少;从土地利用类型来看,林地、草地的抗蚀年限明显长于耕地、城乡工矿居民用地、裸地等.     

黑土耕地资源管理信息大数据平台关键技术研究与构建

针对黑土耕地资源管理中幅员辽阔、空间基准不一、精细化程度不高等问题,结合测绘地理信息数据和技术优势,通过本底数据制作、数据库建设、平台研建等关键技术,设计并实现了黑土耕地资源管理信息大数据平台,并给出实现方案,为黑土耕地资源管理与保护相关工作提供参考。     

保护“耕地中的大熊猫”——黑土地

黑土地是世界上最肥沃的土壤,无论从粮食生产角度还是生态功能角度,都具有其他土壤难以替代的作用,因而被誉为“耕地中的大熊猫”。我国黑土地主要分布在东北地区、盛产水稻、玉米、大豆、高梁等作物。要确保粮食安全保护黑土地至关重要。我国高度重视东北黑土地的保护与利用,针对自然因素和人类活动因素导致黑土地退化的情况采取了多种措施,并取得显著成效。     

建立"耕地保护特区",合理开发利用黑土层

我国东北黑土区是世界上仅有的四大片黑土区(带)之一,属耕地中最优质部分,但近年来的开发、破坏严重。无论作为世界宝产还是最优质耕地,黑土区都值得给予特别关注。建议设立"耕地保护特区",合理开发利用这片有限的宝贵资源。     

基于最小累积阻力模型的长吉生态安全格局构建

为了缓解城市快速扩张背景下产生的生态保护与土地开发之间的矛盾、保证区域生态安全稳定,构建城市生态安全格局显得尤为重要。首先基于景观生态学理论,以土壤数据、土地利用现状数据和遥感数据为数据源,选取反映自然生态状况和人类活动影响的两大类生态风险指数,利用GIS空间分析、RS技术以及景观结构分析软件FragStats对长吉联合都市区进行了生态安全风险评价;然后从生物多样性保护、水源涵养、土壤保持以及气候调节等方面对区域生态系统服务功能的重要性进行定性评价;再以生态安全风险评价结果为阻力面,根据生态服务功能重要性结果确定生态源地;最后利用最小累积阻力模型,划定了林地、湿地、草地、水系4类核心生态空间,构建了"三带两区、五脉连江、林田相间"的区域生态安全格局。研究结果为长春市生态环境建设提供了切实可行的科学指导。     

东北黑土退化动态监测体系建设构想

本文根据近期对黑土退化的研究,并结合相关文献资料,对黑土退化、保护及遥感监测体系的研究现状进行了总体分析,并在此基础上提出了黑土退化监测体系建设构想,并从东北黑土退化监测体系总全框架、结构、功能以及各部分的关系出发,对体系各部分所需采用的监测方法、监测内容等问题进行了进一步的探讨。     

土地资源数量质量生态监测指标体系研究

当前,国土资源管理正在从数量管控向质量管理和生态管护方向发展.为了配合国土资源部野外科学观测研究基地建设、获取关键科学现象和科学数据,提出建立土地资源数量质量生态监测指标体系.土地资源数量质量生态监测指标体系可分为9部分监测内容,即土地利用变化、土壤属性、作物长势、土壤污染和盐溃化、土地利用集约度、农用地流转、土地生态状况、基于地块的土地质量调查和土地退化监测,合计35个指标.指标体系结构包括监测内容、监测指标、数据来源与监测方法、监测尺度（区域、地块和样点）和监测周期.该指标体系能够配合国土资源部开展野外科研基地建设,满足基地开展长期综合监测和数据管理的需要.下一步需要从体现区域差异性和行业特色的角度进一步完善指标,并发展土地资源数量质量生态综合评价技术方法.     

基于遥感和GIS技术的长春东部典型黑土区侵蚀沟动态监测研究

以长春市九台区沐石河镇为研究区,探讨了遥感和GIS技术在长春东部典型黑土区侵蚀沟动态监测应用中的主要内容和方法。利用吉林省第一次地理国情普查成果和基础测绘成果,结合1965、2005、2013年3期卫星影像对沐石河镇侵蚀沟信息进行提取和分析,并对其空间分布及变化规律进行研究。     

Spatial Modeling of the Black Death in Sweden

The purpose of this work is to determine whether spatial modeling can be used to model the spread of the Black Death. The study is limited to models for the propagation of the disease in Sweden in 1350. Geographic data of Swedish water bodies and medieval road networks, historical data on the population in Swedish parishes, including their medieval boundaries, along with historical notes and disease characteristics, were used to build alternative models for spatial distribution. Three different models are presented: one radial, one cost‐based and one combining network analysis and radial propagation. Simulations were made to depict different scenarios on the spread of the disease, as well as the drastic changes in the overall population of Sweden, over a couple of hundred years. For purpose of validation the population decrease estimated in each parish is compared with independent historical documents. Results from model scenarios are visualized in maps of propagation, animated video sequences and a web map service. Our analyses clearly demonstrate the power of spatial analysis and geographic information systems to describe, model and visualize epidemiologic processes in space and time.     

地表粗糙度影响下的GNSS-R土壤湿度反演仿真分析

基于双天线全球导航卫星系统反射技术（global navigation satellite system reflectometry,GNSS-R）,建立了两个修正地表粗糙度影响的土壤湿度反演模型——解析模型和人工神经网络模型,并以GPS L1 C/A码为例建立了GNSS-R土壤湿度仿真平台,仿真分析了地表粗糙度对两个模型反演精确度的影响。结果表明,当地表均方根高度大于0.010 m时,必须对解析模型进行粗糙度修正。粗糙度影响修正结果显示,小粗糙度情况下修正的解析模型取得了良好的结果,但对于大粗糙度有一定局限性。在均方根高度大于0.025 m时,进行土壤粗糙度修正前,人工神经网络模型精度比解析模型提高了36.83%~72.36%。进行修正后,人工神经网络模型的精度比解析模型提高了42.86%~54.40%。人工神经网络模型在修正前后取得了相近的精度,无修正的人工神经网络模型精度比有修正的解析模型精度仍提高了35.83%~53.48%。     

DOM裁切的黑边问题解决方法

针对在ERDAS IMAGINE下裁切影像的时候,可能会产生黑边这个问题,作者从图像处理的原理着手,通过摆事实、分析原因、验证推论、实践论证多种手段,系统地提出了解决问题的方法,具有较好的参考作用。     

基于室内光谱反射率的土壤线影响因素分析

为了更好地估算植被指数,必须计算不同土壤类型的土壤线;但由于土壤线的影响因素较多,因此土壤线参数获取困难.本文以室内土壤高光谱反射率为主要研究对象,分析并确定影响土壤线的主要因素;利用室内土壤光谱反射率计算土壤线,将所得土壤线参数用于与土壤线有关的植被指数的计算,比较这些植被指数与大豆生理参数(叶绿素a与叶面积)的相关关系是否强于归一化植被指数(NDVI),分析该土壤线参数计算方法的可行性.结果表明:土壤线的影响因素主要有土壤类型、有机质、矿物组成、秸秆覆盖等;而土壤水分、粗糙度等尽管对土壤光谱反射率大小也有很大影响,但由于对光谱曲线形状影响较小,因此对土壤线的影响也较小;与土壤线有关的植被指数部分消除了土壤背景的影响,其与大豆生理参数的相关系数显著高于NDVI,说明利用室内土壤光谱反射率计算土壤线的方法可行,所得参数适于计算基于土壤线的植被指数.     

Black sea annual and inter-annual water mass variations from space

This study evaluates the performance of two widely used GRACE solutions (CNES/GRGS RL02 and CSR RL04) in deriving annual and inter-annual water mass variations in the Black Sea for the period 2003–2007. It is demonstrated that the GRACE derived water mass variations in the Black Sea are heavily influenced by the leakage of hydrological signals from the surrounding land. After applying the corresponding correction, we found a good agreement with water mass variations derived from steric-corrected satellite altimetry observations. Both GRACE and altimetry show significant annual water mass variations of roughly 7 cm amplitude peaking in May and a semi-annual signal of roughly 3 cm peaking in June and in December. The amplitude of the annual water mass signal varies significantly from year to year and is significantly larger during 2004–2006 than in 2003 and 2007. This is also in agreement with the steric corrected altimetry.     

Improved Understanding of Soil Surface Roughness Parameterization for L-Band Passive Microwave Soil Moisture Retrieval

Surface roughness parameterization plays an important role in soil moisture retrieval from passive microwave observations. This letter investigates the parameterization of surface roughness in the retrieval algorithm adopted by the Soil Moisture and Ocean Salinity mission, making use of experimental airborne and ground data from the National Airborne Field Experiment held in Australia in 2005. The surface roughness parameter is retrieved from high-resolution (60 m) airborne data in different soil moisture conditions, using the ground soil moisture as input of the model. The effect of surface roughness on the emitted signal is found to change with the soil moisture conditions with a law different from that proposed in previous studies. The magnitude of this change is found to be related to soil textural properties: in clay soils, the effect of surface roughness is higher in intermediate wetness conditions (0.2–0.3 v/v) and decreases on both the dry and wet ends. Consequently, this letter calls for a rethink of surface roughness parameterization in microwave emission modeling.